买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网获悉西北工业大学申请的专利一种多因素组合虚拟容器集群智能化调度方法获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN121029319B 。

龙图腾网通过国家知识产权局官网在2026-01-30发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202511526900.4，技术领域涉及：G06F9/455；该发明授权一种多因素组合虚拟容器集群智能化调度方法是由张鹏;李伟刚;武君胜;党颖;何皓设计研发完成，并于2025-10-24向国家知识产权局提交的专利申请。

本一种多因素组合虚拟容器集群智能化调度方法在说明书摘要公布了：本申请涉及云计算及容器编排技术领域，特别涉及一种多因素组合虚拟容器集群智能化调度方法，该方法包括：对目标集群的历史负载数据集进行特征工程，得到训练集，基于LSTM模型和LightGBM模型建立组合负载预测模型，利用训练集对组合负载预测模型进行迭代训练，得到训练完成的模型；使用训练完成的模型对目标集群进行预测，基于预测值，结合基于负载预测的自动伸缩策略，对目标集群进行自动伸缩处理；基于目标集群的资源使用情况，结合基于TOPSIS的多维资源调度算法，对目标集群的资源进行重新分配；其中，数据收集、负载预测、节点伸缩和资源调度均由自行设计的Kubernetes的扩展调度器实现。

本发明授权一种多因素组合虚拟容器集群智能化调度方法在权利要求书中公布了：1.一种多因素组合虚拟容器集群智能化调度方法，适用于使用Kubernetes编排的容器，其特征在于，所述方法包括： 对目标集群的历史负载数据集进行特征工程，得到训练集，基于LSTM模型和LightGBM模型建立组合负载预测模型，利用训练集对组合负载预测模型进行迭代训练至收敛，得到训练完成的组合负载预测模型； 使用训练完成的组合负载预测模型对目标集群进行未来负载率的预测，基于训练完成的组合负载预测模型输出的预测值，结合基于负载预测的自动伸缩策略，对目标集群进行自动伸缩处理，自动伸缩处理包括预测式扩容和预测式缩容； 获取目标集群的资源使用情况，基于目标集群的资源使用情况，结合基于TOPSIS的多维资源调度算法，确定各候选节点的评分，基于各候选节点的评分对目标集群的资源进行重新分配，选择合适的Pod进行重新部署； 其中，数据收集、负载预测、自动伸缩和资源调度均由自行设计的Kubernetes的扩展调度器实现； 预测式扩容，包括： 使用训练完成的组合负载预测模型对目标集群进行未来五个时间点的负载率的预测，若至少有三个时间点对应的预测值大于预设的负载率上限阈值，则判定未来目标集群的负载率过高，需要进行扩容操作； 记未来所需的节点数量为，需要增加的节点数量为，和表示为： ； ； 其中，表示当前的节点数量，表示当前的负载率，表示未来五个时间点对应的预测值中的最大值； 在确定需要增加的节点数量后，需要进一步确定Pod的迁移队列，对于有服务状态的Pod采取不迁移原则，对于无服务状态的Pod采取部分迁移原则； 基于CPU利用率、内存利用率、磁盘利用率和带宽利用率，分别计算各节点的节点负载率，将节点负载率大于集群平均负载率的节点确定为高负载节点； 从每个高负载节点中分别选取个无服务状态的Pod，这个无服务状态的Pod的负载率之和不大于高负载节点的负载率与集群平均负载率之间的差值的绝对值； 将选取的所有无服务状态的Pod按照负载率从大到小进行排序，进一步选取负载率前高的无服务状态的Pod，组成Pod的迁移队列； 预测式缩容，包括： 使用训练完成的组合负载预测模型对目标集群进行未来五个时间点的负载率的预测，若五个时间点对应的预测值均小于预设的负载率下限阈值，且当前时间点的负载率也小于预设的负载率下限阈值，则判定未来目标集群的负载率过低，需要进行缩容操作； 遍历目标集群的各节点，计算删除当前节点后目标集群的负载率，若删除当前节点后目标集群的负载率小于预设的负载率上限阈值，则将运行在当前节点上的pod全部进行迁移，迁移完成后回收当前节点的资源，完成对当前节点的缩容； 在对有服务状态的Pod进行跨节点迁移时，先将有服务状态的Pod从当前节点上卸载，再将其能够被多个容器共享的磁盘目录Volumes从当前节点上分离，再将其Volumes在新节点上重新附着，最后将有服务状态的Pod挂载到新节点上。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人西北工业大学，其通讯地址为：710072 陕西省西安市碑林区友谊西路127号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。

以上内容由龙图腾AI智能生成。